CaZrO3介电特性理论计算实验设计

借助于VASP计算软件包、VESTA和P4Vasp可视化软件及Origin绘图软件等,分别构建了CaZrO₃钙钛矿模型、优化初始构建模型和计算CaZrO₃的介电特性,并结合实验数据对比分析计算结果,为CaZrO₃材料的研究提供理论阐释与指导。不仅有助于学生掌握常用理论计算软件的使用方法,熟悉材料计算模拟流程及理论分析手段,使学生充分认识到理论指导实践在新材料研发的重要性,而且能促进学生对材料成分、微观结构和性能之间关联性的理解和掌握,将对学生的创新能力的提升奠定良好的基础。     

基于强化学习的特征选择方法及材料学应用

随着大数据、人工智能以及高性能计算的快速发展, 数据驱动的新材料研发成为研究热点. 在对材料数据进行数据挖掘的过程中, 需要对特征集合进行预处理, 通过减少无关冗余特征, 不仅可以避免模型过拟合, 还能提高模型的可解释性. 基于此, 提出了一种基于强化学习的特征选择(feature selection based on reinforcement learning, FSRL) 算法, 将封装式特征选择抽象成机器学习模型和"环境"互动的过程, 并根据利益最大化准则将对应特征加入特征子集中. 同时, 为了提高模型的预测精度, 还提出一种基于符号变换的特征构造方法来生成新的特征. 最后, 将所提出方法应用到非晶合金材料的分类预测任务和铝基复合材料的回归任务中. 实验结果表明, FSRL 算法的分类准确率最高提升了 2.8%, 而在回归任务中, 基于特征构造的 FSRL 算法使得预测精度最高提升了 22.9%.     

机器学习在非晶材料中的应用

作为新兴非晶材料的金属玻璃由于其优异的力学、物理以及化学性能而被广泛研究.玻璃形成能力一直是制约着非晶材料发展的重要问题,为了设计出具有良好玻璃形成能力的非晶材料,对非晶材料的玻璃形成能力已经有大量的研究.研究表明单一的影响因素不足以全面解释非晶材料的玻璃形成能力,即玻璃形成能力是由多种因素共同影响的.另一方面,由于非晶材料具有复杂且无序的结构,传统的方法难以全面、清晰地理解非晶材料的结构与本质.机器学习这一新的研究范式为解决非晶材料领域的关键瓶颈问题提供了新的途径和契机.本文首先简单介绍了一些机器学习算法,如支持向量机、人工神经网络和K均值聚类.随后介绍了机器学习在非晶材料中的应用,包括非晶结构分类、非晶结构-性能关联和非晶宏观性质的预测,并提出了基于机器学习方法在未来非晶研究中的应用前景,包括非晶数据库的建立、高通量计算方法的发展和机器学习势函数的发展.     

基于材料基因组计划的计算和数据方法

 材料基因组计划的核心理念,是通过计算、数据和实验“三位一体”的方式,变革传统的主要基于经验和实验的“试错法”材料研发模式,把发现、开发、生产和应用新材料的速度提高到目前的两倍。它旨在建立一个新的以计算模拟和理论预测优先、实验验证在后的新材料研发文化,从而取代现有的以经验和实验为主的材料研发的模式。本文论述如何通过计算和数据的方法加快新材料研发,介绍帮助加快新材料发现的高通量集成计算基础平台和软件框架MatCloud。     

压电智能材料在土木工程中的应用

智能传感材料是近年来兴起的一些具有特殊性质、能用于传感的新材料。本文综述了基于压电传感器的常用监测方法以及在土木工程中的研究和应用。利用这些材料的特性,能够使桥梁结构的监测更加灵敏、精确、便捷。     

机器学习在高熵电催化材料中的研究进展

高熵材料(high-entropy material, HEM)是一类具有良好性能的新型材料,以其较好的催化潜力、耐腐蚀性能等特点受到广泛关注.传统的高熵催化剂研究大多局限于各自的知识体系,难以兼容合并,不利于更优异的催化剂的后续研发.机器学习(machine learning,ML)作为一种基于大数据集来建立数理模型、进行研究推理的新兴学科,正逐步成为人们重点关注的人工智能科学分支.通过机器学习建立大数据库可以有效改善传统的研究状况,使研究效率大为提高.机器学习能用于识别定量的组分-结构-性能关系,通过从历史数据中学习而无需通过显式编程来加速电催化剂的设计.对机器学习算法、高熵材料进行了介绍,并阐述了机器学习在设计高熵电催化剂中的应用,讨论了机器学习在高熵电催化剂筛选和预测方面的发展前景.     

浅谈土工合成材料在道路工程中的应用

介绍了土工合成材料的种类和特点,论述了土工合成材料在道路工程中的用途,指出土工合成材料不仅能提高公路工程的质量,延长公路的使用寿命,而且能降低今后养护的成本,是在公路上很有应用前景的一种新材料。     

机器学习和人工智能辅助钢铁材料设计的研究进展

随着人工智能技术的快速发展和材料数据的显著增加,机器学习和人工智能辅助设计高性能钢材正成为材料科学的主流范式。机器学习方法是一种基于计算机科学、统计学及材料科学之间的跨学科科学,聚焦于发现众多数据之间的相关性。与材料科学中传统的物理建模方法相比,机器学习方法的主要优势在于克服了材料本身复杂的物理机制,为新型高性能材料的研发提供了新的思路。本文从数据预处理和机器学习模型的介绍开始,包括算法选择和模型评估。然后,以优化成分、结构、工艺和性能为主题,回顾了机器学习方法在钢铁研究领域应用的一些典型案例。此外,还介绍了机器学习方法在以性能为导向的材料成分逆向设计工程以及在钢材缺陷检测领域中的应用。最后,探讨了机器学习在材料领域的适用性和局限性,并对未来的发展方向和前景进行了展望。     

基于自然语言处理的材料领域知识图谱构建方法

如何将材料领域知识与机器学习技术相结合是材料智能研究迫切需要解决的问题. 知识图谱(knowledge graphs, KGs)作为一种高效的知识组织模型, 可以有效地对材料领域知识进行表示、组织和推理, 从而提升材料机器学习算法的智能水平. 研究了基于自然语言处理技术的材料领域知识自动获取方法, 提出了基于双向门控循环单元-图神经网络-条件随机场(bidirectional-gated recurrent unit-graph neural network-conditional random field, Bi-GRU-GNN-CRF) 的材料实体关系联合抽取方法, 以及基于改进 TextRank 算法的材料工艺知识抽取方法, 实现了从专利、论文等材料文献中自动获取材料实体、关系、工艺流程等材料领域知识. 实验结果表明, 所提出的材料知识获取方法具有较好的精度和召回率, 能够有效提升材料知识图谱的知识覆盖度. 基于该方法构建的材料领域知识图谱的知识覆盖率达到了80%, 能够为材料智能研发提供更加全面的知识支撑. 同时, 构建了非调制特殊钢、铝基复合材料、热障陶瓷涂层材料 3 个材料领域知识图谱, 并进行了应用探索, 进一步验证了知识图谱为材料研发提供知识支撑的可能性.     

数据科学范式下的钙钛矿结构铁电新材料研究

 材料基因组计划倡导预测式新材料研发理念，推进高通量数据生产和利用技术，关注材料全生命周期价值。因此，材料基因组计划的执行需要在材料科学系统工程的框架下，集成统一计算、实验和理论等研究方法，以数据科学新范式为牵引、协同运用实验观测、理论建模和计算仿真研究范式，最终建立相关材料体系的性能与材料基因（原子系统的组成与结构）、工艺参数与使役条件之间的量化关系和数据库，实现新材料的按需设计和应用。本文在简单探讨科学研究范式、材料基因组计划和材料科学系统工程基本概念和方法的基础上，以钙钛矿结构氧化物铁电压电材料研究为例，探讨了数据科学范式下的新材料研究实践。结果表明，数据挖掘驱动的新材料设计确实可以降低探索时间和实验任务，加快新材料的发现和应用进程。     

材料基因组工程专用数据库

材料数据具有多源、异构、高维等特点, 收集纷繁复杂的材料数据, 建立材料基因工程专用数据库, 是实现数据驱动的新材料研发的基础. 以材料数据的规范化表示、机器学习建模及模型跨域部署、材料数据隐私保护下的机器学习、利用知识图谱从材料数据库到知识库等材料基因专用数据库的若干核心技术为基础, 介绍了材料基因数据库平台的系统架构及实现、平台超算部署及运行. 最后以反钙钛矿负膨胀材料为例, 介绍了材料基因工程数据库平台从数据归档到机器学习建模, 再到逆向设计, 以及最终实验验证的整个流程.     

机器学习在座逾渗相变问题中的应用

机器学习理论区别于传统方法,因其在对于复杂的数据集识别、分类的准确性和高效性而被广泛应用于各个领域.识别相变是机器学习和统计物理领域相结合的最有代表性的工作.到目前为止,机器学习完成的相变识别几乎都是基于具有动力学演化过程的自旋模型,如Ising模型等,而其在另一类不具有动力学演化过程而完全由系统结构特征决定的相变模型,如逾渗模型等,仍未有细致研究.本文结合现有的机器学习技术,卷积神经网络和一般向量机,对二维方格子上的座逾渗问题进行了研究,发现能以高正确率对不同相的构型进行识别,证明了机器学习在这类问题上研究的可行性.通过已完成训练的学习机对不同参数下构型预测的正确率计算,发现正确率在相变点附近会出现急剧衰减,与系统参数呈幂律衰减.这与传统相变理论一致.通过定量计算,还发现2种学习机的正确率衰减规律都满足同一个幂律指数.这不仅进一步从全新的角度揭示了相变的普适性,而且为找寻相变点提供了新的方法.     

计算机在材料模拟计算与设计中的应用

计算机模拟材料计算与设计是随着计算机技术的发展和对新材料的开发和更新的要求日益增加而形成的一门新兴学科方向。本介绍了计算机模拟材料计算与设计的特点和意义、主要研究方法。     

第2届全国环境岩土工程与土工合成材料技术研讨会将于2008年11月召开

土木工程建设的发展离不开先进高性能工程材料的研发,土工合成材料技术在土工加筋和加固工程中得到了广泛应用．研发新材料、应用新技术是岩土工程学科发展与技术进步的重要过程．然而,在各种土工合成材料的工程特性和应用于各种工程的土工合成材料的设计理论与计算方法等方面还存在许多未知或不明确的因素,有待于继续探索．     

Emathema:在线的方程自动求解平台

微分方程在现代科技、工程领域中的作用日益显著,本课题组多年来在微分方程可积性和解析求解方面做了很多机械化工作,研发出了一系列Maple应用软件.基于这些应用软件、计算机代数系统Maple及一些开源技术,课题组研发了一个在线的开放的方程自动求解平台Emathema,为用户提供便捷的代数计算和绘图服务.在此平台上,用户不仅可调用已嵌入的Maple外部应用软件求解非线性代数和微分方程(组),而且在交互方式下可进行几乎所有和方程相关的简单符号计算,所有的计算结果均以可视化的方式输出.     

图核函数研究现状与进展

核方法具有坚实的理论基础和广泛的应用,已引起了各领域的关注.基于核的机器学习方法不仅适用于以特征向量表示的模式,也适用于结构化数据的模式.前者对应的是向量核方法,后者对应的是图核方法.图核对结构化数据具有强大而灵活的表示形式,其不仅能描述研究对象或模式的特性,还能反映构成这个物体不同部分之间的结构信息.目前,基于图核的机器学习方法在模式识别、机器学习、机器视觉、数据挖掘等相关研究领域得到了极为广泛的关注与应用,已成为结构数据描述方法和应用领域的一个重要研究方向.论文从使用最为广泛的基于R-convolution的图核谈起,总结了图核研究的意义,着重回顾和讨论图核函数的基本理论、基本分类、国内外研究现状,并进一步指出图核研究的发展方向.     

上海市当前新材料新技术领域的现状与发展趋势

新材料领域在国内兴起于近2、3年,是指那些新出现或已在发展中的、具有传统材料所不具备的优异性能和特殊功能的材料.由于原材料是任何产业的基础环节,新材料对我国各行各业的发展都起到了至关重要的作用.因此,新材料是一种具有很大潜力的新型产业.上海市新材料协会通过调研,对上海市几个行业的新材料现状与发展趋势作出了分析与给出了意见.     

纳米技术在工业领域中的应用

在高新技术中,纳米技术、生物技术和信息技术对化学工业发展有着深远的影响,对于材料科学而言,当首推纳米技术.它不仅能推动化学反应、催化和许多单元操作的突破性的改进,而且提供了纳米多孔材料、纳米粒子、纳米复合材料、纳米传感器等新型材料以及化学机械抛光、药物可控释放、独特的去污作用等功能应用.为化工新材料发展及其应用开辟了广阔的前景.     

材料基因组——材料研发新模式

 依赖于科学直觉与试错的传统材料研究方法日益成为社会发展与技术进步的瓶颈。革新材料研发方法、加速材料从研究到应用的进程成为世界各国共同的需求。作为"先进制造伙伴计划"(Advanced Manufacturing Partnership,AMP)的重要组成部分,美国总统奥巴马在2011 年6 月宣布了"材料基因组计划"(Materials Genome Initiative,MGI),通过整合材料计算、高通量实验和数据库,全面提高先进材料从发现到应用的速度,降低成本。MGI 提出了材料研发的崭新模式,为美国发展高端制造业,保持并强化其在核心科技领域的优势奠定了创新基础。中国材料科学界在1999 年6 月召开主题为"发现和优化新材料的集成组合方法"的第118 次香山科学会议,寻找加速发现新材料的有效途径。2011 年12 月,中国科学院和中国工程院主办主题为"材料科学系统工程"的第S14 次香山科学会议,研究中国应对MGI 的策略,并在随后3 年中,多次组织以材料基因组计划为主题的研讨会、报告会,使得中国材料界对材料基因组技术的认识不断深入,形成基本共识。2014 年,中国科学院和中国工程院分别向国务院提交咨询报告,建议尽快启动实施中国材料基因组计划。本文简要介绍材料基因组计划的主要内容、技术内涵、科学本质、国内外最新动向及其未来发展趋势,并根据中国的实际需求特点与现有条件,对实施中国版材料基因组计划的发展战略、技术路线、政策措施等提出建议。     

基于模糊回归支持向量机的短期负荷预测

支持向量机(SVM)是一种新颖的机器学习方法,具有泛化能力强、全局最优和计算速度快等突出优点.模糊数学在不确定性、不精确性及噪声引起的问题上,有其特有的计算分析操作,能有效地分析和处理模糊信息.研究了一种模糊回归支持向量机模型,该模型将两者有机结合,发挥了各自的优点.将其应用到电力系统短期负荷预测,仿真结果表明,所提方法不仅具有与支持向量机方法相同的预测精度,且提供了更多的有用信息.